基于行為視覺的行人摔倒自動檢測系統設計

摘 要： 對行人摔倒進行自動檢測，可以為行人的生命安全提供保障。設計基于行為視覺的行人摔倒自動檢測系統，系統硬件包括視頻采集操作模塊和視頻輪廓采集模塊，采用TMS320F2812芯片作為系統的核心控制單元，通過 TMS320F2812芯片和SAA7111芯片構建視頻采集處理模塊，將視頻采集模塊采集的圖像進行輪廓的描述，獲取行人不同姿態的運動目標的特征，實現行人摔倒自動檢測。仿真實驗結果表明，所設計系統對復雜環境的適應能力較強，行人發生摔倒等事件檢測正確率較高，可以應用于智能交通監控系統中。

關鍵詞： 行人摔倒檢測； 視覺檢測； 視頻采集模塊； 交通監控系統

中圖分類號： TN957.52+3?34； TP233 文獻標識碼： A 文章編號： 1004?373X（2016）20?0087?05

Abstract： The automatic detection for pedestrians tumble can provide the safeguard for the life safety of pedestrians. The pedestrian tumble automatic detection system based on behavior vision was designed. The system hardware includes the video acquisition and operation module， and video contour acquisition module. The TMS320F2812 chip is taken as the core control unit of the system. The TMS320F2812 chip and SAA7111 chip are used to construct the video collection and processing module. The contour of the image acquired by video acquisition module is described to obtain the moving target characteristics of pedestrians′ different poses， and detect the pedestrian tumble automatically. The results of simulation experiment show that the designed system has good adaptive ability to the complex environment， can improve the detection accuracy of pedestrian tumble incidents， and can be used in the intelligent traffic monitoring system.

Keywords： pedestrian tumble detection； visual detection； video acquisition module； traffic monitoring system

0 引 言

隨著中國人口的不斷增加，交通事件頻繁發生，行人摔倒已成為一個不容忽視的問題，嚴重時會給人們的生命構成嚴重的威脅。因此，設計一種行人摔倒自動檢測系統具有重要意義[1?3]。如果能準確高效地對行人摔倒進行檢測，將對交通管理和遠程醫療的發展具有重要意義[4?6]。目前，研究的行人摔倒自動檢測方法在取得進展的同時還存在一定的問題，如文獻[7]采用幾何法對行人摔倒進行自動檢測，通過提取行人外界環境的幾何特征，將行人位姿空間投影至加權圖中，對行人摔倒進行檢測；文獻[8]提出一種環境分割方法，依據不同部件間的關聯性繪制連通圖，通過圖查找方式檢測行人摔倒過程，但該方法過于繁瑣；文獻[9]利用人工勢場法把行人在自由空間的行走軌跡假想成通過受力得到的：阻礙物對行人施加排斥力，目的點作用給行人引力，行人同時吸收兩種作用力后自身調整對行人摔倒進行檢測，但沒有考慮阻礙物的其他信息，導致出現部分最小值問題。

針對上述方法的缺陷，設計基于行為視覺的行人摔倒自動檢測系統。系統硬件包括視頻采集操作模塊和視頻輪廓采集模塊。采用TMS320F2812芯片作為系統的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構建視頻采集處理模塊；將視頻采集模塊采集的圖像進行輪廓的描述，獲取行人不同姿態運動目標的特征，實現行人摔倒自動檢測。仿真實驗結果說明，所設計系統對復雜環境的適應能力較強，行人發生摔倒等事件檢測正確率提高，可以應用于智能交通監控系統中。

1 行人摔倒自動檢測系統設計

1.1 系統硬件的總體結構

行人摔倒自動檢測系統的硬件由視頻采集操作模塊以及視頻輪廓采集模塊構成。視頻采集操作模塊包括控制器和視頻輸入操作器兩部分。

采用TMS320F2812芯片作為系統的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構建視頻采集處理模塊。模塊中包含兩個事件管理器，用于調制機器人直流伺服電動機電壓，對行人的運動進行PWM控制。TMS320F2812含有18 KB的片內SARAM、128 KB的FLASH，可用于分析并處理行人運動圖像；采用可編程視頻輸入處理芯片SAA7111塑造前端視頻處理電路，采集行、場同步信號和數字圖像信號；視頻輪廓采集模塊以無線傳輸模塊反饋的基于行為視覺的行人運動為基礎，將視頻采集模塊采集的圖像進行輪廓的描述，獲取行人不同姿態運動目標的特征，實現行人摔倒自動檢測。行人摔倒自動檢測系統的整體硬件結構圖如圖1所示。

1.1.1 視頻采集操作模塊

視頻采集處理模塊由TMS320F2812芯片和SAA7111芯片組成。TMS320F2812為依據TMS320C2xx 內核的定點數字信號操作器，為了獲取行、場同步信號和YUV信號，要求TMS320F2812依據芯片間的串行傳遞總線I2C讀寫SAA7111寄存器中的相關數據。SAA7111 是視頻輸入處理芯片，通過CMOS 工藝和I2C總線同其他部件相連，實現相關的調控以及信息溝通，將輸入的視頻圖像信號轉換成數字信號。如圖2所示。

以DSP為基礎的路線矯正視覺系統中，I2C中寄存器的相關管理部署數據實現了SAA7111的全部可編程功能。為了能有效地管理SAA7111，采用TMS320F2812的MCBSP對I2C的總線功能進行模擬。首先采用MCBSP設置SCL時鐘，并將時鐘相關參數寫入SAA7111中的寄存器內，確保SAA7111依據行人輪廓矯正結果運行。TMS320F2812與SAA7111的I2C接口如圖3所示。

1.1.2 視頻輪廓點和點序列處理模塊

視頻輪廓點和點序列采集模塊包括大量的半導體部件，用于描述并記錄不斷波動的人物信號電荷量，然后將采集到的信號電荷量發送給模塊中的移位寄存器，對其進行相應處理，確保移位寄存器輸出的視頻輪廓點和點序列的有效性，最后將輸出結果與以無線傳輸模塊反饋的基于柵格法和遺傳算法相結合，調整行人輪廓矯正信號。如圖4所示。

1.1.3 無線通信模塊

利用無線通信模塊，將下位機與上位機進行交流。通過攝像頭獲取的圖像資料，利用無線通信模塊反饋給上位機，歷經上位機的相關圖像操作后，將操作成果發送到智能機器設備的操作器上。該體系擇取兩個VNT6656G6A40，一個與上位機相連，另一個接到視頻輪廓點和點序列處理模塊上，將無線傳輸模塊反饋的基于行為視覺的行人輪廓矯正信號傳遞給視頻輪廓點和點序列采集模塊驅動模塊中。

VNT6656G6A40屬于一種USB接口的WiFi模塊，用于深入體系的無線局域網間的交流服務。無線通信的構架如圖5所示。

1.2 軟件設計

1.2.1 軟件系統的總體架構

TMS320F2812芯片是總體系統的CPU，調度系統中的任務，實現調控攝像頭采集圖像、同上位機進行通信、管理機器人路線矯正算法等功能。圖像處理模塊實現圖像的預操作、圖像分割、特征采集等，并采用無線網絡將操作結果反饋給下位機，也就是行人輪廓矯正系統，系統的軟件組成如圖6所示。

1.2.2 系統程序規劃流程

連接電源啟動系統，激發初始化模塊運行，完成對入口地址和向量表的部署，以及 I/O口和PWM模塊的初始化。系統經DSP內的TMS320F2812發出圖片收集信號，經初步處理后，傳輸給視頻輪廓點和點序列處理模塊，對圖像輪廓進行描述，將摔倒識別的對象：人抽象的表示成由一些特征值構成的特征向量，這些特征向量就能代表某種動作或者某種特定的行為特征，將這些行為特征組成一個集合。在該集合中可以提取一些特征數值構成特征向量來代表摔倒模式，實現摔倒檢測。系統程序流程圖如圖7所示。

1.2.3 部分代碼設計

當還未通過攝像頭獲取圖像時，先要初始化攝像頭。S3C2440通過webbing loom，連接到攝像頭OV9650，因此初始化處理攝像頭相當于初始化處理webbing loom。將webbing loom寄存器賦值，以便完成建立和操縱攝像頭的任務。在整個操作過程的開端，需要通過pen（）函數，來對webbing loom裝置進行開啟。倘若開啟順利，程序中會有一個文檔表達符gb出現，倘若失敗，會反饋開啟失敗信號并折返。

其中webbing loom_rule結構體中含有雙個值：一個表達所在信息，另一個就是它的值。在以上的for反復運作中，把vid rule結構體數組中值授予文檔表達符，此刻就完成將I2C裝置賦值的任務，設置好相應的任務后，就能進行圖像采集。

2 基于行為視覺的行人摔倒自動檢測

在硬件和軟件設計完成后，進行行人摔倒自動檢測。如果發生疑似摔倒現象，則提取該時段行人的特征向量，計算觀測樣本與數據庫中的特征樣本數量的距離，如果該距離沒有超過設定的閾值，則判斷摔倒沒有發生，結束觀測；如果超過設定閾值，則判定發生摔倒，采用圖像采集系統進行拍照，并傳送相關信息。基于行為視覺的行人摔倒自動檢測算法的流程如下：

（1） 建立特征向量庫。通過實驗對摔倒事件進行分類統計，并計算出各種行為的特征空間的距離閾值。

（2） 如果發生疑似摔倒現象，系統將提取可疑信號，監測人體運動的數據變化。

（3） 提取的可疑信號通過上述方法計算出各特征值作為觀測特征向量。

（4） 計算觀測特征向量與特征庫樣本的距離。

（5） 進行模式匹配。通過計算的特征空間距離來確定是否屬于該空間范圍，如果匹配成功，則判斷為摔倒。

3 實驗結果與分析

實驗以Visual C++ 6.0為開發工具進行行人摔倒自動檢測仿真測試，模擬實現行人摔倒的自動檢測，計算機配置為Windows XP，4 GHz CPU，以及行人摔倒圖像，其中每一幀圖像的分辨率是1 248×624，利用該系統進行行人摔倒情況的檢測。

3.1 不同算法的人摔倒自動檢測效果比對

對圖8、圖9進行分析可知， 采用傳統算法進行的行人摔倒檢測時，圖像處理效果模糊、難以分辨，而采用改進算法能夠有效解決陰影和慢速移動帶來的重影等問題，可以準確獲取行人摔倒的圖像，魯棒性強。

3.2 不同方法的行人摔倒自動檢測精度比對

為了驗證本文方法的穩定性，實驗在相同的環境中對本文方法和文獻[9]所述人工勢場方法進行了測試，將不同方法的行人摔倒自動檢測時間進行比對，結果如圖10所示。

分析圖10中的兩條曲線變化趨勢發現，相對于人工勢場方法，本文方法在進行行人摔倒自動檢測時耗低，證明了改進算法在精度方面的優勢。

3.3 不同環境中不同方法的行人摔倒自動檢測時間比對

為了證明改進算法的效率和應用性，將在不同環境中利用不同方法進行行人摔倒自動檢測時間比對，表1為不同環境中不同方法的行人摔倒自動檢測時間。

由表1可知，在相同的環境下，改進算法進行行人摔倒自動檢測所需時間遠遠低于傳統方法，隨著環境復雜程度的增加，本文方法與傳統算法相比，在時間上對行人路線矯正的效率優勢越顯著，具有較高的魯棒性。

4 結 論

設計基于行為視覺的行人摔倒自動檢測系統。系統硬件包括視頻采集操作模塊和視頻輪廓采集模塊。采用TMS320F2812芯片作為系統的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構建視頻采集處理模塊；將視頻采集模塊采集的圖像進行輪廓的描述，獲取行人不同姿態的運動目標的特征，實現行人摔倒自動檢測。仿真實驗結果表明，所設計系統對復雜環境的適應能力較強，行人發生摔倒等事件檢測正確率較高，可以應用于智能交通監控系統中。

參考文獻

[1] 張弛.采用慣性測量單元的移動機器人軌跡跟蹤方法研究[J].控制理論與應用，2013，30（3）：398?403.

[2] 譚苗，吳益飛，陳揚，等.電磁導引的兩輪自平衡移動機器人設計[J].華中科技大學學報（自然科學版），2013，41（z1）：249?253.

[3] 瞿端陽，王維新，馬本學，等.基于機器視覺技術的棉株識別定位[J].中國棉花，2013，40（2）：16?19.

[4] 戴金波.基于視覺信息的圖像特征提取算法研究[D].長春：吉林大學，2013.

[5] 黃艷.基于主動視覺的大空間測量關鍵技術研究[D].哈爾濱：哈爾濱工業大學，2013.

[6] 孫巖，張征宇，黃詩捷，等.風洞試驗中模型迎角視覺測量技術研究[J].航空學報，2013，34（1）：1?7.

[7] 宋慧欣.3D 視覺，機器視覺新突破[J].自動化博覽，2013（8）：66?67.

[8] FLORA YEH Y H， LAI T C， LIU T M， et al. An automated growth measurement system for leafy vegetables [J]. Biosystems engineering， 2014， 117： 43?50.

[9] OSTERMAN A， GODESA T， HODEVAR M， et al. Real?time positioning algorithm for variable?geometry air?assisted orchard sprayer [J]. Computers and electronics in agriculture， 2013， 98（7）： 175?182.

[10] 張小馳，陳天華，許繼平，等.基于多傳感器融合的摔倒檢測算法的研究[J].計算機測量與控制，2015，23（6）：2237?2240.

[11] 劉凌霞，徐甜，宋強.基于智能視覺的警戒區域人員跨界檢測仿真[J].計算機仿真，2015，32（10）：331?334.